Find a file
Laureηt 9aee26c858 add readme + license (please don't scroll commit history)
Former-commit-id: 176901ce389b3bdfa998f099dd14b588536e48c7 [formerly 44b9fa4a4d4f0037b7c7b5c26754cdfcf9a41012]
Former-commit-id: 3857631b685667b527181dd6f300f79124c2085b
2023-02-03 11:44:35 +01:00
.vscode yay more stuff to talk about 2023-01-26 19:59:19 +01:00
src add readme + license (please don't scroll commit history) 2023-02-03 11:44:35 +01:00
.editorconfig début de slides 2023-01-19 11:32:04 +01:00
.gitattributes init 2022-11-08 17:51:27 +01:00
.gitignore yay images 2023-01-23 21:25:26 +01:00
.pre-commit-config.yaml chore: update pre-commit 2022-11-08 17:54:03 +01:00
LICENSE.md add readme + license (please don't scroll commit history) 2023-02-03 11:44:35 +01:00
poetry.lock chore: add tensorflow deps 2022-11-08 20:57:57 +01:00
poetry.toml init 2022-11-08 17:51:27 +01:00
pyproject.toml chore: add tensorflow deps 2022-11-08 20:57:57 +01:00
README.md add readme + license (please don't scroll commit history) 2023-02-03 11:44:35 +01:00

README

Ce repository contient l'implémentation de deux réseaux de deep learning pour l'apprentissage semi-supervisé: simCLR et SGAN. Les deux réseaux ont été testés sur des jeux de données de classification d'images.

simCLR

simCLR est une approche semi-supervisée pour l'apprentissage de représentations à partir d'un grand nombre d'images non étiquetées. Le modèle consiste en une chaîne de transformation qui transforme les entrées dans un espace d'apprentissage continu et en un classificateur qui prédit les labels des entrées transformées.

SGAN

SGAN est un réseau GAN semi-supervisé qui utilise une générateur pour produire des images aléatoires et un discriminateur pour les classer en fonction des labels connus. Le but est de produire des images qui sont à la fois réalistes et informatives pour l'apprentissage de la classification. Comment utiliser ce repository

Comment utiliser ce repository

Les notebooks (colab) se situent dans le dossier src.

Contacts

License MIT